基于bp神经网络的pid控制器设计6.16

《基于bp神经网络的pid控制器设计6.16》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于BP神经网络的PID控制器设计中文摘要经典PID控制算法作为一般工业过程控制方法应用范围相当广泛，原则上讲它并不依赖于被控对象的具体数学模型，但算法参数的整定却是一件很困难的工作，更为重要的是即使参数整定完成，由于参数不具有自适应能力，因环境的变化，PID控制对系统偏差的响应变差，参数需重新整定。针对上述问题，人们一直采用模糊、神经网络等各种调整PID参数的自适应方法，力图克服这一难题。一般情况下，一个自适应控制系统能够运行，其相应的参数要适应现场状况的变化，因此就必须根据现场的数据对相应的参数进行在线辨识或估计。对非时变参数可以通过一段时间的在线辨识确定下来，但对时变参数系统，必须将这

2、个过程不断进行下去，因此要求辨识速度快或参数变化速度相对较慢，极大地限制了自适应技术的应用。为克服这种限制，本文利用文献[1]的思想，将神经网络的技术应用于参数辨识过程，结合经典的PID控制算法，形成一种基于BP神经网络的自适应PID控制算法。这一算法的本质是应用神经网络建立系统参数模型，将时变参数系统的参数变化规律转化为神经网络参数模型，反映了参数随状态而变的规律，即当系统变化后，可直接由模型得到系统的时变参数，而无需辨识过程。在神经网络参数模型的基础上，结合文献[1]已知系统模型下PID控制参数的计算，推导出一种自适应PID控制算法。通过在计算机上对线性和非线性系统仿真，结果表明了这种自

3、适应PID控制算法的有效性。关键词自适应PID控制算法，PID控制器，参数模型，神经网络，BP算法-I-基于BP神经网络的PID控制器设计AbstractClassicalPIDcontrolalgorithm，asageneralmethodofindustrialprocesscontrol，applicationscopeisbroad-ranged．Inprinciple，itdoesnotdependonthespecificmathematicalmodelofthecontrolledplant，buttuningalgorithmparametersisaverydiffic

4、ulttask．Tomoreimportant，eveniftuningtheparameteriscompleted，asparametersdonothaveadaptivecapacity，duetoachangeinenvironment，PIDcontroloftheresponseofthesystemdeviationgetworse，parametersneedtobere-tumed．Inresponsetotheseproblems,peoplehavebeenusingtheadaptivemethodoffuzzy，neuralnetworkstoadjustPIDp

5、arameters，tryhardtoovercomethisproblem．Undernormalcircumstances，anadaptivecontrolsystemcanbecapableofrunning，andthecorrespondingparametersshouldadapttotllechangeinstatusofthescene，sothecorrespondingparametersmustbebasedonthedataofthescenetoconductonlineidentificationorestimated．Non-time—varyingpara

6、meterscanbeconfirmedforaperiodofon-lineidentification，butthetime-varyingparameterssystemwillbenecessarytocontinuethisongoingprocess，sotherequirementoffastidentificationortherelativeslowpaceofchangeofparameters，greatlylimitstheapplicationofadaptivetechnology．Toovercomethislimitation，thispaperusesthe

7、ideologyofliterature[1]，thetechnologyofneuralnetworkwillbeusedintheprocessofparameteridentification,combiningclassicalPIDcontrolalgorithm，formsanadaptivePlDcontrolalgorithmbasedonBPneuralnetwork．Theessenceo